[发明专利]一种基于中智集的电机转子故障诊断方法

说明书

本发明公开了一种基于中智集的电机转子故障诊断方法，包括以下步骤：步骤一依据电机转子故障样本数据集建立故障库高斯模型；步骤二建立传感器探测得到的测试样本的高斯测试模型；步骤三依据故障库高斯模型与测试样本高斯模型匹配生成各故障类型下各故障特征上的中智集表示；步骤四用SNWA算子融合每种故障类型下各故障特征上的中智集表示；步骤五依据步骤四的融合结果判断测试样本所属故障类型。本发明在高斯模型基础上，结合中智集理论处理不确定与模糊信息的优势，将高斯测试模型与故障库高斯模型匹配生成各故障类型下各故障特征上的中智集表示并融合，进而识别测试样本故障类型，能够灵活有效地处理不确定信息，融合提升故障诊断准确率。

技术领域

本发明属于故障诊断领域，具体涉及一种基于中智集的电机转子故障诊断方法。

背景技术

电机转子是电机中的旋转部件，因换向困难、转速高等往往容易发生故障，使得电机寿命减少。电机转子的安全性是一个至关重要的问题，及时对电机转子进行故障诊断可以有效检测其运行状态，避免安全事故的发生。

故障诊断主要研究如何对电机运行状态与故障类型进行有效识别定位。现有的故障诊断方法包括基于模型的方法、基于信号处理的方法、基于数据驱动的方法和基于知识的方法等。随着电机设备趋于复杂化、大型化，传感器采集的故障信息的随机性和模糊性也应该得到重视。此外，由于环境噪声、系统噪声和测量误差等因素，故障信息一般也是不确定的，甚至是相互冲突的，可能导致故障诊断结果误差较大。因此，如何有效处理这些特性的信息就显得尤为重要。而中智集理论在处理不确定信息、模糊信息等方面具有独特优势，被广泛应用于故障诊断、决策分析与可靠性评估等领域。

此外，电机设备的复杂化也决定了故障信号与故障征兆之间的交叉性，若仅依靠单一故障信息源可能造成诊断结果偏离实际故障，而信息融合技术能够融合多源故障类型信息，实现对目标的更准确全面认知，广泛应用于多个领域。

因此，本申请基于传感器探测的电机转子故障信息，融合中智集理论和信息融合技术识别电机转子故障类型，一方面可以较好处理传感器信息的不确定性，另一方面又可以提升故障识别的准确率。

发明内容

本发明所要解决的技术问题是：如何实现电机转子故障诊断。使用该方法实现电机转子故障诊断对设备安全领域具有重要意义。

为解决上述技术问题，本发明采用的技术方案是一种基于中智集的电机转子故障诊断方法，其特征在于，包括以下步骤：

步骤一、依据电机转子故障样本数据集建立故障库高斯模型；

输入n种故障类型、k种故障特征的电机转子故障样本数据集D_ij，i＝1,2,…,n，j＝1,2,…,k，n种故障类型记为θ₁,θ₂,…,θ_i,…,θ_n，k种故障特征记为att₁,att₂,…,att_j,…，att_k；电机转子故障样本数据集D_ij是k种故障特征的测量值，对每种故障类型每种故障特征建立高斯模型，所述高斯模型的建立方法为：

步骤101：计算电机转子故障样本数据集D_ij中所有属于故障类型θ_i的m个样本在故障特征att_j上的均值和标准差σ_ij，其中x_ij为电机转子故障样本数据集中属于故障类型θ_i的m个样本在故障特征att_j上的测量值；

步骤102：根据步骤101中的均值和标准差σ_ij，计算故障类型θ_i在故障特征att_j上的高斯模型

步骤二、建立传感器探测得到的测试样本t的高斯测试模型；